Covid هیچ قمار نیست: شبیه سازی های الهام گرفته از فیزیک امواج را در چهار کشور پیش بینی می کنند

Smarajit Triambak بودجه خود را از بنیاد ملی تحقیقات ، آفریقای جنوبی دریافت می کند.

شرکای

دانشگاه کیپ غربی به عنوان شریک میزبان مکالمه آفریقا پشتیبانی می کند.

من به عنوان یک فیزیکدان ، من آموزش دیده ام که به دنبال الگوهای در داده ها باشم. به عنوان مثال ، حرکت کوچکترین ذرات ممکن است تصادفی به نظر برسد ، اما حاوی الگوهای و تقارن است.

همین مورد را می توان در مورد حرکات و تعامل انسان نیز گفت. بیشتر انسانها به سمت مکانهای آشنا (به عنوان مثال در خانه و کار) حرکت می کنند و ممکن است بیشتر روزها با همان افراد مانند همکاران روبرو شوند. اما ، به طور طبیعی ، در دنیای مدرن پیچیده ما تعامل تصادفی نیز وجود دارد. یک فرصت خوب وجود دارد که ما از یک مکان به مکان دیگر به غریبه های تصادفی دست و پنجه نرم کنیم. حرکت انسان از هر دو "الگوی منظم و تغییرات تصادفی" تشکیل شده است.

قادر به ردیابی و پیش بینی حرکات و تعامل انسان می تواند در مطالعه شیوع بیماری های عفونی ارزشمند باشد. اما چگونه فرد برای تصادفی ذاتی حساب می شود؟برخی از دانشمندان از داده های تلفن همراه در آلمان برای ردیابی اثرات تحرک انسان بر گسترش COVID-19 استفاده کردند.

اما آیا می توان یک رویکرد ساده تر داشت؟

مقاله ای در مارس 2020 در واشنگتن پست به همکارانم و من ایده ای داد. این مقاله به دنبال توضیح برای خوانندگان بود که چگونه فاصله اجتماعی می تواند گسترش کرونوویروس جدید را کند کند. نویسندگان با استفاده از نقاطی از رنگهای مختلف که در جهات تصادفی حرکت می کردند ، شبیه سازی ایجاد کردند و به یکدیگر دستگیر شدند. نقاط "آلوده" (نماینده مردم) به "آلوده" رسیدند و به عفونت منتقل شدند.

شبیه سازی های واشنگتن پست ، گسترش بیماری را به عنوان یک فرآیند تماس مورد مطالعه قرار داد - ایده ای که از نظر ریاضی با جزئیات گسترده مورد مطالعه قرار گرفته است. نقاط همچنین ما را به یاد حرکت تصادفی (براون) اتم های گاز و انتشار - یک مشکل خوب مورد مطالعه در فیزیک ، شیمی و مهندسی می اندازد.

با الهام از این مقاله ، ما به دنبال راهی برای یافتن الگوهای مفید در تصادفی ظاهری تحرک انسان ، به عنوان ابزاری برای مطالعه شیوع یک بیماری بسیار عفونی مانند Covid-19 بودیم. این تمرین به عنوان یک انحراف فکری در هنگام قفل شروع شد. از آن زمان منجر به انتشار سه مقاله با همسالان شده است. مدل های ما در مقایسه با مشاهدات بسیار دقیق بودند.

برای مقاله سوم ، استاد D. P. من و ماهاپاترا جنبه پیچیده تری برای پیش بینی امواج عفونت چندگانه با استفاده از مدل مونت کارلو را مورد مطالعه قرار دادیم. نتایج با داده های گزارش شده از چهار کشور با اندازه نماینده مقایسه شد: هند (حدود 1. 4 میلیارد نفر) ، ایالات متحده (330 میلیون) ، آفریقای جنوبی (60 میلیون) و صربستان (7 میلیون). اینها با زمان امواج COVID-19 که در این کشورهای مختلف مشاهده می شود ، توافق معقول نشان داد.

یک بازی شانس

برای ساخت مدل خود ، ما از آنچه به عنوان شبیه سازی مونت کارلو شناخته می شود ، استفاده کردیم ، که معمولاً در فیزیک و همچنین زمینه هایی به اندازه مهندسی و دارایی متنوع است. روش مونت کارلو به دلیل مقصد لوکس قمار در موناکو نامگذاری شده است ، جایی که - مانند هر کازینو دیگر - بازی های شانس متداول است.

آنچه باعث می شود شبیه سازی مونت کارلو بسیار جذاب باشد ، توانایی آنها در پیش بینی نتایج بالقوه مختلف است زیرا آنها برای حضور متغیرها یا عناصر تصادفی فراهم می کنند. به عنوان مثال ، در قمار ، متغیرها می توانند شامل بازیکن ، فروشنده ، تغییر کارت و تعداد بازیکنان اطراف یک جدول باشند.

در مورد شیوع بیماری از طریق فعل و انفعالات تماس (یا مبتنی بر نزدیکی) ، یک متغیر تصادفی حرکت انسان است. برای پاسخگویی به این در شبیه سازی های ما ، ما از آنچه در تئوری احتمال و فیزیک آماری شناخته شده است به عنوان "پیاده روی تصادفی" استفاده کردیم. این فرایند با هدف تعیین مکان احتمالی هر موضوعی که در یک حرکت تصادفی قرار دارد. هر نتیجه متفاوت یک عکس فوری است که بسیاری از آنها برای تشکیل یک کل ترکیب می شود.

اولین مقاله ما ، که در سال 2021 منتشر شد ، تأثیر محدودیت های تحرک و استراتژی های مداخله در مهار گسترش COVID-19 را مورد بررسی قرار داد. شبیه سازی ها نشان داد که افزایش تعداد عفونت ها در یک جمعیت کنترل شده و محدود به جای رشد نمایی فرض شده در اکثر مدل سازی اپیدمیولوژیک ، قانون قدرت را دنبال می کند.

مقیاس قدرت قانون نشان داد که تعداد عفونت ها (یا تلفات) در یک جمعیت محدود به شکلی افزایش یافته است به گونه ای که متناسب با یک قدرت (کسری) زمان باشد. یکی از موارد جالب توجه این مقاله این بود که رفتار قدرت قانون برای رشد اپیدمی به طور طبیعی از شبیه سازی های ما پدید آمده است. چنین رشد قدرت قانون در داده های اولیه از چین مشاهده شد و با استفاده از یک مدل اپیدمیولوژیک اصلاح شده که شامل قفل و سایر سناریوهای فاصله اجتماعی است ، توضیح داده شد.

این مقاله توسط یک انتشارات دوم در دسامبر سال 2021 دنبال شد ، که یک مدل تجربی برای تجزیه و تحلیل و پیش بینی های دقیق برای منحنی های رشد ناقص همه گیر که از مقیاس قدرت قانون پیروی می کردند ، ارائه می داد.

ارزیابی امواج پی در پی

شبیه سازی های گسترده که در مقاله سوم ما شرح داده شده است ، به دنبال در نظر گرفتن تأثیر استراتژی های کاهش مانند قفل ، همراه با میزان بهبود و عفونت ، برای مطالعه چندین امواج عفونت است. با استفاده از شبیه سازی های ما به شماره های عفونت ثبت شده و تخمین زده شده ، دریافتیم که مدل های ما بسیار دقیق هستند. این شبیه سازی ها موج پنجم احتمالی را برای آفریقای جنوبی پیشنهاد می کند. نتایج همچنین حاکی از آن است که با توجه به انواع جدید مانند Omicron ، که به وضوح توانایی فرار از مصونیت قبلی را نشان داده بود ، کار بیشتری لازم بود تا میزان مجدد آن را شامل شود. این کار همچنین نشان داد که تعداد امواج پی در پی عفونت های COVID-19 در هر کشور به چگالی جمعیت ، میزان همبستگی و از همه مهمتر زمان و مدت زمان مداخلات کنترل مانند قرنطینه ها و قفل بستگی دارد. مداخلات مانند دستورالعمل های ماسک و واکسیناسیون در این گروه قرار گرفتند.

Covid برای ماندن اینجا است

ما همچنان مدل شبیه سازی خود را ، به ویژه با توجه به مجدداً از انواع جدید ، ادامه داده ایم. اکنون دو درس اساسی آموخته شده از شبیه سازی های خود را درج کرده ایم: افزایش تحرک آسیب پذیرترین اعضای جمعیت با کاهش محدودیت ها. و در حال افزایش مجدد مجدد به عنوان افراد بازیابی شده توسط انواع جدید آلوده می شوند.

این عوامل همچنین در مورد آفریقای جنوبی اعمال می شود ، جایی که زندگی برای بسیاری از افراد به "عادی" باز می گردد. آخرین مدل ما موج پنجم قابل توجهی را پیش بینی می کند - که اکنون کارشناسان آن را تأیید کرده اند. در شبیه سازی های ما ، اعداد مربوط به آفریقای جنوبی به سرعت در اواخر ماه مه و آغاز ماه ژوئن افزایش می یابد. در صورت عدم وجود ، این امر به یک قله طولانی منجر می شود ، با این موج پنجم فقط به اواخر سال 2022 رسید. این صعود و اوج و سایر امواج بعدی احتمالی ، به رویه های دنبال شده برای کاهش آن بستگی دارد.

مدل های ما و کار در حال انجام ، اجماع رو به رشد را که Covid-19 اکنون در سطح جهانی بومی است و برای ماندن در اینجا است ، نشان می دهد.